Table of Contents

През последните години държавните управители в САЩ все повече се обръщат към подходите, насочени към данни, за да се справят с бедността. Вместо да разчитат на широки, еднолични програми, тези лидери използват обобщени данни, за да се ориентират с хирургическа прецизност. Чрез използване на информация за доходите, заетостта, образованието, здравеопазването и жилищата, управителите могат да идентифицират най-уязвимите популации и намеса, където интервенциите ще имат най-голямо въздействие. Тази промяна не е просто тенденция, която е фундаментално преосмисляне на начина, по който правителствата се борят с бедността, преминаване от създаването на политика, основана на интуиция, към стратегии, основани на доказателства, които са по-прозрачни, отговорни и ефективни.

Държавите колективно харчат милиарди долари всяка година за програми против бедност, вариращи от кеш помощ и купони за храна до обучение за работа и достъпни жилища. Въпреки това без надеждни данни, голяма част от тези пари могат да бъдат погрешно насочени. Управлението на данните позволява на държавите да измерват резултатите, да коригират курса в реално време и да гарантират, че всеки долар на данъкоплатците се използва за максимален ефект. В резултат на това управителите от двете страни инвестират в единици за анализ на данни, партнират с университети и откриват правителствени данни за обществеността.

Ролята на данните в разбирането на бедността

Вместо да чакат семействата да изпадне в криза, управителите могат да използват данни, за да предвидят необходимостта и да предоставят услуги по-рано. Например, анализирайки досиетата на посещаемостта и данните за здравните претенции в училищата, държавата може да идентифицира децата, изложени на риск от изпадане в бедност, преди техните семейства да са претърпели финансов колапс. Тази ранна намеса е възможна само когато данните от различни агенции са интегрирани и анализирани заедно.

Идентифициране на причините за корените

Бедността рядко е резултат от един фактор. Обикновено е сложна мрежа от неофициални проблеми, липса на достъпно блюдо, лошо здраве, дискриминация и географска изолация. Данните помагат на управителите да се справят с тези фактори и разбират кои са най-належащите в тяхното състояние. Например, губернатор в селски щат може да открие, че липсата на транспорт е основната бариера пред заетостта, докато губернатор в градско състояние може да се изправи пред криза на възможностите за настаняване. Без данни, тези нюанси ще останат невидими и политиките ще пропуснат марката.

Целесъобразени популации

Демографските разпадове по възраст, раса, пол и статут на инвалидност позволяват на управителите да планират целенасочени интервенции. Например деца под 5 са възрастовата група, която е най-вероятно да живее в бедност в много държави. Чрез сравняване на данните за детската бедност с ранното образование, губернаторът може да разпредели финансиране за пред-К програми в квартали, където те са най-необходими. По подобен начин данните, показващи по-високи равнища на бедност сред самотните майки, могат да доведат до инициативи, които разширяват субсидиите за деца и платените семейни отпуски.

Картографиране на географски точки

Като планират процентите на бедност на картата заедно с данните за училищата, болниците, магазините за хранителни стоки и обществения транзит, политиците могат да видят точно къде бедността е концентрирана и какви ресурси липсват. Някои държави, като Калифорния, създадоха табла с публични лица, които показват данни за бедността до нивото на преброяване на населението. Тези инструменти дават възможност на местните длъжностни лица и общностни организации да си сътрудничат с държавното правителство за целеви решения.

Ключови източници на данни и мерки

Държавните управители разчитат на широк спектър от източници на данни, за да информират своите стратегии за намаляване на бедността. Някои от тях са традиционни правителствени проучвания, докато други идват от административни записи или партньорства от частния сектор. По-долу са най-често използваните видове данни и как те информират политиката.

  • Влезте и Статистика на заетостта . Американският цензура Бюро Американско обществено изследване (ACS) предоставя годишни данни за доходите, статута на бедността и заетостта. Управителите използват тези данни, за да определят допустимостта на програми като Medicaid и SNAP и да оценят дали икономиката на държавата се увеличава в общи линии.
  • Образоване Данни за ефективността . Държавните отдели на образованието събират данни за резултатите от тестовете, дипломирането и училищната дисциплина. Чрез свързването на тези данни с данните за доходите, управителите могат да идентифицират пропуските в постиженията и да инвестират в училища, които обслужват студенти с ниски доходи. Програми като Обещателни стипендии в Мичиган са насочени към такъв анализ.
  • Информация за здравния достъп . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
  • Даване на данни за удобство и бездомност . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
  • Демографска информация . Възраст, раса, етническа принадлежност и данни за инвалидност са от съществено значение за гарантиране на собствения капитал. Много управители са установили капиталови табла, които следят дали усилията за намаляване на бедността достигат до всички популации еднакво.

Въпреки това, държавите използват интегрирани системи за данни (IDS), които свързват записи между агенциите. Например, . . . . Интегрална система за данни на клиента[ свързва данни от човешки услуги, образование и агенции за работа с работна ръка, за да осигури обширна видимост на всяко семейство нужди.

Как управителите превеждат данните в действие

Събирането на данни е само първата стъпка. Истинското предизвикателство се състои в превода на прозрения в политиките, които всъщност променят живота. Държавните управители експериментират с няколко механизма за преодоляване на разликата между анализа на данните и изпълнението на програмата.

Създаване на звена за анализ на данни

Много управители са създали специални екипи за анализ на данни в рамките на своите офиси или под техен контрол. Тези звена са служители на учени по данни, статистици и анализатори на политики, които работят директно с лидерите на агенции за проектиране на програми, основани на доказателства. Състоянието на Вашингтън, под ръководството на управителя Джей Инслий, стартира ]Резултати Вашингтон инициатива, която използва таблото с данни, за да следи напредъка в намаляването на бедността и други ключови цели.По същия начин, Колорадо създаде Governors Офис за анализ на данни за координиране на обмена на данни в отделите.

Използване на предсказуем модел за ранна интервенция

Предсказуемите анализи са един от най-мощните инструменти в арсенала, задвижван от данни. Чрез подаване на исторически данни в модели за машинно обучение държавите могат да предвидят кои семейства са изложени на най-висок риск от изпадане в бедност или бездомни. Например състоянието на Масачузетс[ пилотира модел, който използва данни от приемни грижи, благосъстояние на децата и TANF (Временна помощ за семейства в нужда) за идентифициране на семейства, които биха могли да се възползват от доброволно управление на случаи. Програмата намали вероятността дете да влезе в приемна грижа с 20% и спаси милионите държавни разходи за реагиране при кризи.

Свързване на данните с бюджетните решения

Вместо просто да предлагат елементи от линия за програми за бедност, те изискват от агенциите да представят доказателства за ефективност. Охио, губернаторът на Службата за бюджет и управление използва подход год., изискващ държавните агенции да покажат, че техните програми са оценени чрез строги методи като случайни контролирани проучвания. Програми, които не могат да демонстрират въздействие, са обезфинансирани, докато подкрепените с доказателства програми получават допълнителни ресурси.

Публични бордове и отчетност на Общността

Тези таблота позволяват на гражданите, журналистите и групите за застъпничество да държат своите управители отговорни. Например Невада създаде Невада Data-Driven Degreement-Making[ програма, която включва обществена табла за бедност. Когато метричната показва спад в заетостта сред жителите с ниски доходи, заинтересованите страни от общността могат да принудят губернатора да коригира програмите за обучение на работна сила.

Изследвания на случаите: Намаляване на бедността в действията

Калифорния: Насочване към детска бедност с интегрирани данни

През 2021 г. администрацията му стартира Закон за намаляване на бедността Гавин Нюсъм, който постави за цел намаляване на бедността с 50% до 2030 г. За да проследи напредъка, държавата изгради интегрирана система за данни, която свързва Отдела за социални услуги, Министерството на образованието и Министерството на здравеопазването. Използвайки тези данни, държавата установи, че разширяването на държавата на данъка върху доходите на заслужените лица (CalEITC) и увеличаването на ползите от CalFresh (SNAP) е имало най-голямо въздействие върху детската бедност. През 2022 г. Калифорния разширява и двете програми, което води до 15% спад в детската бедност, което води до пряко до анализ на данните.

Мичиган: Използване на GIS за разпределяне на достъпни жилищни фондове

Управителят на Мичиганската държавна агенция за жилищно развитие (MSHDA) анализира данните за евикацията, цените на наема и бездомността на областното ниво. Те установиха, че четирите окръга представляват над 60% от нестабилността на жилищните сгради в държавата. Използвайки тези данни, губернаторът насочи допълнителни 100 милиона долара към тези райони за наемане на под наем и за достъпно развитие на жилища. Подходът беше толкова успешен, че MSHDA използва същия модел данни, за да насочи всичките си жилищни инвестиции.

Тексас: Персонализирано обучение на работна сила от данни за труда

Губернатор Грег Абътс комисионна за работа в Тексас, използва данни за местните нива на безработица, прогнози за ръст на индустрията и индивидуални пропуски в уменията, за да предложи персонализирано обучение за работа. Когато данните показват, че районът Хюстън е имал недостиг на сертифицирани медицински помощници (CNAs), но излишък от работници на дребно, държавата финансира безплатна програма за обучение за разселени работници на дребно. Програмата, поставена над 1200 души в CNA работни места в рамките на шест месеца, с 90% задържане след една година. Губернаторът год. кредити на офиса за данни подход за програмата .

Преодоляване на предизвикателства: Поверителност, точност и капацитет

Въпреки обещанието си, намаляването на бедността, водено от данни, не е без пречки.

Поверителност на данните и етично използване

За да се справим с това, няколко държави са приели рамки за PRIVACY-by-design. Например Connecticut създава Connecticut Data Collaborative[, който използва неразпознати данни и изисква изрично съгласие за всякакви данни, свързани с физически лица.Губернаторите трябва също така да гарантират, че неподкрепящите се модели на натура или икономически пристрастия, които са документирани в системите за хуманно отношение към децата и наказателно правосъдие.

Осигуряване на точност и навременност на данните

Много държавни агенции разчитат на остарели методи за събиране на данни, като например хартиени форми или силовидни бази данни, които не комуникират помежду си. Губернаторът на инициативата за данни може да бъде подкопан от лоши данни. За да се борят с това, държавите инвестират в модерна инфраструктура за данни, включително APIs, съхранение на облаци и тръбопроводи за данни в реално време. Например Тенсе изградена широко държавно язовир за данни, който позволява на агенциите да споделят данни в близкото време. Състоянието сега актуализира своята нискоскоро месечен табло за данни.

Технически капацитет за изграждане

Много държавни правителства нямат опит в областта на науката за данните, за да правят сложни анализи. Привличането и запазването на таланта за данни е едно многогодишно предизвикателство, особено когато заплатите на частния сектор са по-високи. Управителите отговориха чрез създаване на стипендии за данни и партниране с университетите. Ню Йорк[], съгласно губернатора Кати Хохул, стартира Програма за анализ на данни в Ню Йорк Сивик , която внедрява докторанти от СУНИ в държавни агенции, за да работят по проекти, свързани с бедността. Програмата е изготвила над 50 препоръки за политика, основана на доказателства в рамките на две години.

Бъдещето на намаляването на бедността, свързана с данни

Природата на управлението, водено от данни, се развива бързо.

Изкуствен интелект и машинно обучение

AI и машинното обучение ще позволи на държавите да се движат от описателни аналитични (това, което се случи) към преписни анализи (какво трябва да направим). Например, модел за машинно обучение може да анализира хиляди променливи, за да препоръча оптималната комбинация от програми за всяко семейство . обучение на работни места, неофициално, храна уплътнение, или парични средства, базирани на прогнозирани резултати. Ранни пилоти в Алабама са показали, че управлението на AI-задвижвани случаи може да намали времето на семействата прекарват в бедност с до 18 месеца.

Данни в реално време и постоянни пакети за обратна връзка

Вместо годишните доклади, бъдещите програми ще използват данни в реално време, за да се адаптират бързо. Интернет на нещата (IoT) устройства, мобилни телефонни данни, и електронни данни за преводи (EBT) транзакции записи могат да предоставят до минута показатели на икономически стрес. Управителят може да види скок в използването на печати в определена област и незабавно да се разгърне мобилни храни пантофи или да се коригира SNAP ползи нива.

Трансдържавно сътрудничество и споделяне на данни

Бедността не зачита държавните линии. Междудържавните миграционни потоци, регионалните трудови пазари и прекъсванията на веригата на доставки засягат бедността. Управителите започват да споделят данни през границите чрез компактни продукти като Асоциация на националните управители на държавната иновационна мрежа. Това им позволява да определят своите усилия за намаляване на бедността спрямо партньорските държави и да приемат най-добри практики, които са доказани другаде.

Заключение

Стратегическото използване на данни от държавните управители трансформира усилията за намаляване на бедността от догадките в науката. Като определят коренните причини, насочени към уязвимите популации и измервайки резултатите в реално време, управителите могат да проектират интервенции, които са по-ефективни и по-ефективни. Докато предизвикателствата около неприкосновеността на личния живот, точността и капацитета остават, траекторията е ясна: бъдещето на анти-паундната политика е задвижвано от данни. Тъй като технологичният напредък и сътрудничеството се задълбочава, тези подходи ще станат още по-сложни, което ще доведе до по-справедливи и трайни решения за общностите в цялата нация. Управителите, които приемат тази трансформация, ще бъдат тези, които правят най-дълбокия пробив в бедността и които определят стандарта за отговорно, ориентирано към резултатите управление през 21 век.